WO2006024686A1 - Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales mediante teledetección con sensores de alta resolución espacial - Google Patents

Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales mediante teledetección con sensores de alta resolución espacial Download PDF

Info

Publication number
WO2006024686A1
WO2006024686A1 PCT/ES2005/070105 ES2005070105W WO2006024686A1 WO 2006024686 A1 WO2006024686 A1 WO 2006024686A1 ES 2005070105 W ES2005070105 W ES 2005070105W WO 2006024686 A1 WO2006024686 A1 WO 2006024686A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
olive
discriminate
discrimination
land
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/ES2005/070105
Other languages
English (en)
French (fr)
Inventor
Francisca LÓPEZ GRANADOS
Luis GARCÍA TORRES
Jacobo GARCÍA PULIDO
José Manuel PEÑA BARRAGÁN
Montserrat JURADO EXPÓSITO
Alfonso GARCÍA-FERRER PORRAS
Manuel SÁNCHEZ DE LA ORDEN
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Consejo Superior de Investigaciones Cientificas CSIC
Universidad de Cordoba
Original Assignee
Consejo Superior de Investigaciones Cientificas CSIC
Universidad de Cordoba
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Consejo Superior de Investigaciones Cientificas CSIC, Universidad de Cordoba filed Critical Consejo Superior de Investigaciones Cientificas CSIC
Publication of WO2006024686A1 publication Critical patent/WO2006024686A1/es
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/12—Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken

Definitions

  • First sector AGRICULTURE.
  • Second sector AGRICULTURAL OR ENVIRONMENTAL TECHNICAL ASSISTANCE COMPANIES, or PUBLIC AGRO-ENVIRONMENTAL AUDITS (PUBLIC ADMINISTRATIONS) OR PRIVATE.
  • the second sector refers to the follow-up of agricultural producers who use conservation technologies in olive groves consisting of maintaining plant covers between rows of trees in order to achieve environmental benefits such as reducing soil erosion, increasing infiltrated rain or decreasing of soil evapotranspiration.
  • the remote sensing technique that is the object of this patent will allow certain companies, such as agri-environmental audits of Public Administrations or private entities, to discriminate against the existence or not of green roofs in olive groves, as well as the relative extension or percentage of coverage, which may be necessary to obtain the right to receive aid / subsidies.
  • Remote sensing brief fundamentals and resolution types of sensors used in remote sensing The term remote sensing can be defined as the acquisition of information about an object without mediating physical contact with it by measuring and recording the electromagnetic energy it reflects or emits. It also implies the interpretation and relationship of this information with the nature and properties of said object.
  • a remote sensing system is characterized by the concurrence of the following processes: 1) emission of electromagnetic radiation from a light source (usually the Sun), 2) interaction of radiation with the earth's surface, 3) interaction of radiation with the atmosphere, and 4) capture of the energy reflected in remote sensors installed on board aerial (airplanes) or space (satellite) platforms.
  • This energy corresponds to various frequencies (or wavelengths) within the electromagnetic spectrum ranging from low frequency radio waves, through the visible spectrum (blue, green and red bands), infrared and even X-rays, gamma and even cosmic.
  • Each object or terrestrial surface has a peculiar way of emitting or reflecting energy that is known as a spectral signature (Chuvieco, 2002).
  • Spectral resolution indicates the number and width of the spectral bands in which the sensor is able to measure the reflected energy. A sensor is more suitable or specific or with greater discrimination power, the greater the number of bands it provides, as this facilitates the spectral characterization of a greater number of land covers.
  • the QickBird (QB) and IKONOS satellites have the possibility of being acquired according to two spectral resolutions: panchromatic (covers a single band that encompasses the visible area of the spectrum: 450-900 nm) and multispectral (blue: 450-520 nm, green: 520 -600 nm, red: 630-690 nm, and near infrared: 760-900 nm).
  • Spatial resolution indicates the level of detail offered by the image, this is the dimensions of the smallest object that can be distinguished in it.
  • QB spatial resolution
  • IKONOS IKONOS
  • the great difference between aerial photographs and QB and IKONOS images refers to the fact that with them you can study several tens of hectares of surface, while with satellite images you can analyze several tens of km 2 .
  • the minimum area that can be acquired is 64 km 2 and 121 km 2 , in QB and IKONOS, respectively.
  • Radiometric resolution refers to the sensitivity of the sensor, its ability to detect variations in the spectral radiance it receives.
  • the radiation received is transformed to digital values.
  • the number of values that are included in the range are identified with the radiometric resolution of the sensor. The higher the radiometric resolution, the better the image can be interpreted.
  • Digital Level: (“Pixel Valué”) is thus the integer value that numerically translates the radiometric intensity received by an optical-electronic sensor.
  • Temporary resolution this parameter is also known as "cycle" or
  • the coverage cycle is a function of the platform's orbital characteristics (height, speed, inclination), as well as the sensor design: observation angle and coverage.
  • Digital Filters they are used when it comes to accentuating or attenuating certain radiometric values or ranges of an image by modifying the matrix of numerical data that constitute it. This is achieved by applying a transformation to the digital matrix through local operators, either to approximate the digital values or those of the neighbors or to differentiate them further.
  • filters There are different types of filters, being the convolution (high pass, low pass, medium, directional and Laplacian, among others) the most used.
  • the digital value of the transformed pixel is a function of the weighted average of the digital values of the neighboring pixels.
  • the high and low pass filter the low and high frequency digital values are also eliminated, respectively.
  • the median filter consists of replacing the digital value of each central pixel of a 3 x 3 matrix with the average of its 9 pixels and is used to soften the image by eliminating background noise.
  • vegetation indices are parameters calculated from mathematical operations between bands (or specific digital values) of the image at different wavelengths. Its purpose is to extract the information that is pursued and used mainly in two scenarios: 1) to improve discrimination between two decks with very different reflective behavior in these two bands, and 2) to reduce the effect of the relief on the spectral characterization of The different decks.
  • the ideal vegetation index is that "particularly sensitive to the vegetation cover, insensitive to the brightness and color of the soil, and little affected by atmospheric disturbances.” This index obviously does not exist and those found in the biography are different approaches to it (Sobrino, 2000).
  • the NDVI index [(Infrared - Red) / (Infrared + Red)] is the most used in agronomic applications due to its mathematical simplicity, easy interpretation and normalization power of the spectral response of vegetation systems, reaching a high degree of correlation with various parameters of agronomic interest.
  • Digital classification It is an alternative to the visual interpretation of the image that consists of grouping the zones that resemble different aspects of similarity (Sobrino, 2000). It is about obtaining a new image that condenses the digital information contained in the different spectral bands that make up the original image, in which each digital level is nothing more than an indicator of the category in which the corresponding point has been included. .
  • the resulting image can be described as a thematic map, in which each class or subject is statistically characterized by spectral values or classes.
  • the usual classification processes can be supervised or unsupervised. Unsupervised classification methods only require operator intervention to interpret the results. They detect and locate the natural groupings of digital levels (ND) in an image without using more information than the image itself or the result of applying some transformation.
  • the user must identify the groupings and decide to which informational class he assigns them; the clusters are based on similarity measures of the NDs or of the ND groups; There are many different algorithms to define the similarity of the ND or groups of ND.
  • the supervised classification methods are characterized by the fact that it is the user who, using their knowledge of the area to which the image corresponds, who manages and guides the classes that the algorithm will then detect. It indicates, then, what classes should be defined or detected by one or more algorithms. If the samples are carefully selected, the algorithm will possibly work effectively.
  • Verification of results Maps Truth Land and Matrix of confusion.
  • the digital treatment of images is the manipulation of the digital data contained in an image with the help of a computer procedure and in order to proceed with its correction, improvement and / or feature extract.
  • Numerical method of index selection Confusion Matrix. It is obtained by comparing a "raster" map obtained from a certain classification (for example, from the use of a certain index of vegetation), with another "raster” map that represents the reality of the field verified in the field ("true terrain” map), for each of the classified variables. It is called confusion because it reflects the conflicts that arise between categories or classifications. In the confusion matrix the rows indicate reference classes and the columns categories deduced from the classification. Logically both will have the same number and meaning for being a square matrix.
  • the diagonal of this matrix represents the number of verification pixels where there is agreement between the two sources (map classified by the index and "true-terrain” map), while the marginal ones imply assignment errors.
  • the interest of the confusion tables comes from their ability to capture conflicts between categories. In this way, the overall Skill of the classification is known, and also the accuracy achieved for each of the classes, as well as the main conflicts between them.
  • the confusion matrix has been used.
  • the classification carried out by each index is compared with the classification of the "true-terrain” map, obtaining the percentage of success in the classification.
  • the total accuracy (Overall Accuracy", OA) of each vegetation index and / or land use classification obtained in each image processing was estimated through the development of its "confusion matrix", whose schematic development is indicated below. .
  • the overall accuracy is the percentage of pixels classified equally on both maps; the percentage of total success in the classification of an index is considered.
  • the residuals in rows indicate the land uses of the "true-terrain” map that were not included in the classified map, while the residuals in columns imply land uses of the classified map that do not fit the "true-ground”map; in short, they represent errors of omission and commission, respectively (Chuvieco, 2002). More details are indicated in Table 1.
  • Table 1. Confusion matrix of the classification of land uses on the "true-terrain” map (MVT) and on the map resulting from the classification (MRC).
  • the accuracy for each land use is the percentage of MRC pixels also classified in the MFT, and indicates the degree of success in the classification of each land use.
  • Reliability for each land use is the percentage of pixels of each land use of the MFT classified as such in the MRC, and indicates the coincidence with reality.
  • the elements of each column of the table indicate those land uses classified in this way in the MRC that do not match in the MFT; Similarly, the residual elements of each row indicate those land uses thus classified in the MVT that do not match in the MRC.
  • the procedure described in this patent has a number and advantages, among which are: 1) possibility of studying large area of land using remote sensors at a competitive price, 2) discrimination of land uses of an area of high agronomic productivity and in which it is possible to be considered that the great majority of own cultures of many zones of the Mediterranean agriculture is represented, and 3) possibility of studying olive tree with covers, that would be the priority objective, and to verify the surface occupied by any other crop that exists in the zone.
  • conservation agriculture techniques also called conservation techniques
  • plant coverings mainly grasses
  • bare soil of the woody crop fruit or citrus and olive grove
  • the vegetal covers can be of different composition, although mainly they are constituted by species of grasses or broad leaf, or of a single species or mixture of several.
  • barley (Hordeum spp), different species of Avena, Vallico (Lolium rigidum), cruciferous (Sinapis spp), or leguninous (Veza spp).
  • Its objective is to intercept raindrops and increase the infiltration speed of the ground (reducing runoff). Also, its presence entails the absence of field work thus avoiding evapotranspiration of soil water.
  • the covers are sown in early autumn between the streets of the crop, germinate with the first rains and are established during spring ( Figures 1 a and 1 b).
  • the technique described below is based on a satellite image analysis procedure that allows: 1) to discriminate olive groves from other crops in the area, plant coverings and bare soil / urban land, and 2) quantify the percentage of surface area covered by vegetation in a given farm.
  • the object of the present invention is a procedure for the discrimination and quantification of olive groves with vegetal covers by remote sensing with high spatial resolution sensors comprising the following steps: a) obtaining an image A that is the result of apply vegetation indexes and digital filters to a satellite image taken in summer, allowing said image A discrimination of olive trees from other land uses present in the satellite image b) obtaining an image B that is the result of applying vegetation indexes and digital filters to a satellite image taken in spring, which image B allows the discrimination of trees and bare ground cover c) subtract image B, image A to obtain an image C that allows to discriminate the cover plant of other land uses, these being olive trees and bare soil, d) quantify the supe surface occupied by the vegetation cover previously discriminated in image C.
  • Image A of point a) is obtained as a result of a multispectral satellite image analysis process comprising the following steps: a) taking a multispectral georeferenced image in summer b) application of the IR / R index (infrared / red ) and a low-pass filter in the image of a), allowing discrimination between urban land and bare land from other land uses c) elimination of discriminated land uses in b) d) application of the NDVI index (infrared-red / infrared + red) and a medium-sized filter to the image obtained in c) that allows to discriminate vineyard, herbaceous and horticultural crops from other land uses e) elimination of the uses of discriminated soil in d) in the resulting image f) application of the A / V index (blue / green) and a medium filter, allowing to discriminate wheat stubble and olive grove with and without plant covers g) application of the NDVI index and a filter of long step to the olive grove discrimin
  • Image B is obtained as a result of a multispectral satellite image analysis process that includes the following steps: a) taking a multispectral georeferenced image in spring b) application of the NDVI index and two consecutive median filters, allowing to discriminate olive groves , with and without vegetation cover, of the rest of the land uses c) application of the NDVI index and two consecutive median filters, allowing to discriminate olive grove with vegetable cover of the olive grove without vegetation cover d) application of the NDVI index to the image obtained in c ) that discriminates olive grove with vegetation cover
  • This procedure uses multispectral georeferenced satellite images that can be taken by sensors that have at least the blue, green, red and infrared bands, and with a high spatial resolution.
  • sensors Preferably the images of the IKONOS and QuickBird satellites are used.
  • the spatial resolution of the sensors is less than or equal to 4m.
  • Another object of the patent is the use of the present procedure to discriminate and quantify the percentage of surface area occupied by the vegetation covers in olive groves. Likewise, and because the procedure has different well-differentiated steps, it can be stopped at any of the intermediate steps described above in the event that you are interested in studying any of the crops or land uses that discriminate in it. 4.2. Brief description of the figures
  • Image C result of subtracting from image B, image B (B-A). The bare soil is represented in red, olive trees in green, and the surface covered by vegetation cover in blue.
  • images of QuickBird and / or IKONOS satellites can be used, although it is also possible to use images of other satellites or remote sensors that can be put into operation in thereafter, provided they have at least the Blue, Green, Red and Infrared bands and have a high spatial resolution ( ⁇ 4 m in multispectral).
  • the remote sensing technique procedure object of this patent has been applied in the area of Montilla-Espejo (Córdoba) because in the land surveys carried out it was found that it met the following characteristics: 1) it brings together the variety of crops that is representative of great number of regions of Andalusian agriculture (Mediterranean), and 2) there are farms of olive groves with and without vegetable covers, which is essential for the classification of the land uses that were pursued.
  • the orography of the area is quite flat (average altitude of 379 m) and agriculture is almost equally dominated by woody crops: olive groves (with and without plant covers) and vine, herbaceous: wheat and sunflower, and various horticultural.
  • the classification of land uses was made with satellite images taken in summer and spring (QuickBird satellite). In the spring images the green roofs of the olive groves were green and in the summer images they were dried. To detail an example of the invention it is necessary to start from an image taken in summer. From there, the steps described in section 4.3.1 are followed.
  • image A Figure 1 in which it is possible to discriminate olive trees, but not bare ground cover.
  • Image C Image B - Image A (scheme section 4.3.3.).

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

El presente procedimiento tiene aplicación en Agricultura, y más concretamente en Empresas de Asistencia Técnica Agraria o Medioambiental, o bien en Auditorías Agroambientales Públicas o Privadas. Principalmente consiste en utilizar técnicas de teledetección para realizar un seguimiento preciso y a gran escala de los productores agrícolas que utilicen técnicas de conservación en olivar. Éstas consisten en el mantenimiento de cubiertas vegetales entre las hileras de árboles y sobre el suelo desnudo con objeto de frenar el impacto de las gotas de lluvia sobre el terreno, reducir la erosión y aumentar la infiltración del agua de lluvia. El procedimiento objeto de la patente facilitaría una herramienta de alta precisión que tendría numerosas aplicaciones agro -ambientales, entre las principales se podrían destacar: 1) discriminar las fincas de olivar con y sin cubiertas vegetales en amplias zonas geográficas del resto de los usos de suelo, 2) estimar el porcentaje de cobertura (o de superficie) que ocupan los olivos individuales y las cubiertas vegetales en las fincas agrícolas, 3) determinar el derecho o no a la percepción de ayudas / subvenciones destinadas a favorecer la técnicas de conservación según distintos reglamentos citados en el apartado anterior, y 4) estimar a gran escala la disminución del riesgo de erosión que puede presentar una zona agrícola en la que se han implantado cubiertas vegetales en comparación con otra en la que no se ha seguido esta técnica agronómica.

Description

1. TÍTULO
PROCEDIMIENTO PARA LA DISCRIMINACIÓN Y CUANTIFICACIÓN DE OLIVAR CON CUBIERTAS VEGETALES MEDIANTE TELEDETECCIÓN CON SENSORES DE ALTA RESOLUCIÓN ESPACIAL.
2. SECTOR DE LA TÉCNICA
Primer sector: AGRICULTURA. Segundo sector EMPRESAS DE ASISTENCIA TÉCNICA AGRARIA O MEDIOAMBIENTAL, o bien AUDITORÍAS AGROAMBIENTALES PÚBLICAS (ADMINISTRACIONES PÚBLICAS) O PRIVADAS. El segundo sector se refiere al seguimiento de los productores agrícolas que utilicen tecnologías de conservación en olivar consistentes en el mantenimiento de cubiertas vegetales entre hileras de árboles con objeto de alcanzar beneficios medioambientales como reducción de la erosión del suelo, aumento de la lluvia infiltrada o disminución de la evapotranspiración del suelo. La técnica de teledetección objeto de esta patente permitirá que determinadas empresas, como por ejemplo las auditorías agroambientales de las Administraciones Públicas o de entidades privadas, discriminen la existencia o no de cubiertas vegetales en olivar, así como la extensión relativa o porcentaje de cobertura, lo que puede ser necesario para obtener el derecho de recepción de ayudas/ subvenciones.
3. ESTADO DE LA TÉCNICA
Recientemente se ha solicitado la patente "Procedimiento para la discriminación de usos de suelo y cuantificación de cubiertas vegetales mediante teledetección con fotografía aérea" con N° de solicitud 200401438. Esta patente lleva inherente el uso de fotografía aérea, lo que conlleva la cuantificación de cubiertas vegetales en zonas de superficie reducida, es decir, se puede discriminar la presencia o no de cubiertas y cuantificar su superficie en varias decenas de hectáreas (escala de finca agrícola). Sin embargo, el procedimiento que se presenta en la solicitud de patente que nos ocupa implica la discriminación de cubiertas vegetales y la cuantificación de la superficie que ocupan a gran escala, es decir, en zonas agrícolas que comprenden como mínimo 64 km2 que es la superficie mínima que en la actualidad se puede adquirir con los satélites de alta resolución espacial. Lo anterior significa que estas dos patentes son independientes o complementarias. Así, si una empresa (o administración pública) está interesada en cuantificar las cubiertas vegetales en una zona agrícola en la que predomina el olivar (por ejemplo Úbeda, prov. de Jaén), debería adquirir una imagen satélite de alta resolución espacial (precio estimado actualmente en unos 2000 €) para rentabilizar al máximo sus trabajos siguiendo la metodología que se describe en esta solicitud de patente. Esto se debe a que en esa zona va a poder estudiar decenas de fincas ya que hay poca superficie no dedicada a olivar. En cambio, si la empresa debe cuantificar las cubiertas en un área en la que abundan otro tipo de cultivos, por ejemplo zona de campiña de Sevilla con predominio de trigo -girasol, le resultaría más rentable adquirir una fotografía aérea (precio estimado 300 €) y seguir la metodología que se describe en la solicitud de patente N° 200401438 para estudiar exactamente la finca objeto de su interés.
3.1. Teledetecciόn: breves fundamentos y tipos de resolución de los sensores usados en teledetecciόn El término teledetección se puede definir como la adquisición de información sobre un objeto sin mediar contacto físico con él mediante la medida y el registro de la energía electromagnética que refleja o emite. Así mismo conlleva la interpretación y relación de esta información con la naturaleza y propiedades de dicho objeto.
Un sistema de teledetección se caracteriza por la concurrencia de los siguientes procesos: 1) emisión de radiación electromagnética desde una fuente de luz (normalmente el Sol), 2) interacción de la radiación con la superficie terrestre, 3) interacción de la radiación con la atmósfera, y 4) captura de la energía reflejada en sensores remotos instalados a bordo de plataformas aéreas (aviones) o espaciales (satélite). Dicha energía se corresponde con diversas frecuencias (o longitudes de onda) dentro del espectro electromagnético que va desde ondas de radio de baja frecuencia, pasando por el espectro visible (bandas azul, verde y roja), el infrarrojo y hasta los rayos X, gamma e incluso cósmicos. Cada objeto o superficie terrestre presenta una forma peculiar de emitir o reflejar energía que se conoce como firma espectral (Chuvieco, 2002). En teledetección es imprescindible conocer el poder de resolución de un sensor para estudiar su funcionamiento y sus aplicaciones, ya que de esta característica va a depender la cantidad y calidad de la información registrada. De forma resumida se explican a continuación los cuatro tipos de resolución que normalmente se consideran: Resolución espectral: indica el número y la anchura de las bandas espectrales en las que el sensor es capaz de medir la energía reflejada. Un sensor es más idóneo o específico o de mayor poder de discriminación, cuanto mayor número de bandas proporciona, ya que así se facilita la caracterización espectral de un mayor número de cubiertas terrestres. Los satélites QickBird (QB) e IKONOS presentan la posibilidad de adquirirse según dos resoluciones espectrales: pancromática (abarca una única banda que engloba la zona visible del espectro: 450-900 nm) y multiespectral (azul: 450-520 nm, verde: 520-600 nm, roja: 630-690 nm, e infrarrojo cercano: 760-900 nm).
Resolución espacial: indica el nivel de detalle que ofrece la imagen, esto es las dimensiones del objeto más pequeño que puede ser distinguido en la misma. En la actualidad hay dos satélites que tienen la mayor resolución espacial del mercado: (QB) e IKONOS, con unas resoluciones de 0.7 m x 0.7 m en pancromático y de 2.8 m x 2.8 m en multiespectral, y de 1 m x 1 m en pancromático y 4m x 4 m en multiespectral, respectivamente. En épocas pasadas había una gran diferencia entre la resolución espacial de las fotografías aéreas y las imágenes de satélite, ya que éstas no ofrecían un tamaño de píxel tan pequeño como el que se podía obtener con las fotografías aéreas. Actualmente, una vez lograda una resolución espacial elevada en los satélites, la gran diferencia entre las fotografías aéreas y las imágenes QB e IKONOS se refiere a que con aquéllas se pueden estudiar varias decenas hectáreas de superficie, mientras que con las imágenes de satélite se pueden analizar varias decenas de km2. Por ejemplo la superficie mínima que se puede adquirir es de 64 km2 y 121 km2 , en QB e IKONOS, respectivamente.
Resolución radiométrica: hace referencia a la sensibilidad del sensor, a su capacidad para detectar variaciones en la radiancia espectral que recibe. En un sensor óptico electrónico, la radiación recibida se transforma a valores digitales. El número de valores que se incluyen en el rango se identifican con la resolución radiométrica del sensor. Cuanto mayor sea la resolución radiométrica tanto mejor podrá interpretarse la imagen. Nivel Digital: ("Píxel Valué") es pues el valor entero que traduce numéricamente la intensidad radiométrica recibida por un sensor óptico-electrónico. Resolución temporal: también a este parámetro se le conoce como "ciclo" o
"revisita", y es el intervalo de tiempo con el que se realiza la toma de datos sobre una misma zona. El ciclo de cobertura es función de las características orbitales de la plataforma (altura, velocidad, inclinación), así como del diseño del sensor: ángulo de observación y cobertura.
3.2. Teledetecciόn y Análisis de imagen
A continuación se exponen una serie de conceptos básicos en los procesos de análisis de imagen y que se utilizarán a lo largo de la presente memoria.
Filtros Digitales: se utilizan cuando se trata de acentuar o atenuar determinados valores o rangos radiométricos de una imagen mediante la modificación de la matriz de datos numéricos que la constituyen. Esto se consigue aplicando una transformación a la matriz digital mediante operadores locales, bien para aproximar los valores digitales o los de los vecinos o diferenciarlos aún más. Existen diferentes tipos de filtros, siendo los de convolución (paso alto, paso bajo, mediana, direccionales y laplacianos, entre otros) los más utilizados. En éstos, el valor digital del píxel transformado es función de la media ponderada de los valores digitales de los píxeles vecinos. En los de filtro de paso alto y paso bajo se eliminan además los valores digitales de baja y alta frecuencia, respectivamente. El filtro de mediana consiste en sustituir el valor digital de cada píxel central de una matriz 3 x 3 por la media de los 9 píxeles de ésta y se utiliza para suavizar la imagen eliminando ruidos de fondo.
índices de vegetación: son parámetros calculados a partir de operaciones matemáticas entre bandas (o valores digitales concretos) de la imagen a distintas longitudes de onda. Su finalidad es extraer la información que se persigue y se utilizan principalmente en dos escenarios: 1) para mejorar la discriminación entre dos cubiertas con comportamiento reflectivo muy distinto en esas dos bandas, y 2) para reducir el efecto del relieve en la caracterización espectral de las distintas cubiertas. El índice de vegetación ideal es aquel "particularmente sensible a la cubierta vegetal, insensible al brillo y color del suelo, y poco afectado por las perturbaciones atmosféricas". Dicho índice evidentemente no existe y los que se encuentran en la biografía son diversas aproximaciones al mismo (Sobrino, 2000). El índice NDVI [(Infrarrojo - Rojo)/ (Infrarrojo + Rojo)] es el más utilizado en aplicaciones agronómicas debido a su sencillez matemática, fácil interpretación y poder de normalización de la respuesta espectral de sistemas de vegetación, alcanzando un alto grado de correlación con diversos parámetros de interés agronómico.
Clasificación digital: Es una alternativa a la interpretación visual de la imagen que consiste en agrupar las zonas que se asemejen bajo distintos aspectos de similitud (Sobrino, 2000). Se trata de obtener una nueva imagen que condense la información digital contenida en las distintas bandas espectrales que conforman la imagen original, en la que cada nivel digital no es más que un indicador de la categoría en la que se ha incluido al punto al que corresponde. La imagen resultante se la puede describir como un mapa temático, en la que cada clase o tema está estadísticamente caracterizada por unos valores o clases espectrales. Los procesos de clasificación habituales pueden ser supervisados o no supervisados. Los métodos de clasificación no supervisados sólo requieren la intervención del operador para la interpretación de los resultados. Detectan y localizan las agrupaciones naturales de niveles digitales (ND) en una imagen sin usar más información que la propia imagen o el resultado de aplicarles alguna transformación. Luego, el usuario debe identificar las agrupaciones y decidir a qué clase informacional las asigna; las agrupaciones se basan en medidas de similitud de los ND o de los grupos de ND; existen muy diversos algoritmos para definir la similitud de los ND o grupos de ND.
Los métodos de clasificación supervisados se caracterizan por el hecho de que es el usuario el que usando sus conocimientos de la zona a la que corresponde la imagen, el que maneja y orienta las clases que el algoritmo luego detectará. Indica, pues, qué clases deben ser definidas o detectadas por uno o varios algoritmos. Si las muestras son seleccionadas cuidadosamente, el algoritmo funcionará posiblemente de forma efectiva.
Verificación de resultados: Mapas Verdad Terreno y Matriz de confusión. El tratamiento digital de imágenes es la manipulación de los datos digitales contenidas en una imagen con ayuda de un procedimiento informático y con objeto de proceder a su corrección, perfeccionamiento y/o extracto de rasgos. Método numérico de selección de índices: Matriz de Confusión. Se obtiene al comparar un mapa "ráster" obtenido de una determinada clasificación (por ejemplo, del uso de un determinado índice de vegetación), con otro mapa "ráster" que representa la realidad del terreno verificada en campo (mapa "verdad terreno"), para cada una de las variables clasificadas. Se denomina de confusión porque recoge los conflictos que se presentan entre categorías o clasificaciones. En la matriz de confusión las filas indican clases de referencia y las columnas categorías deducidas de la clasificación. Lógicamente ambas tendrán el mismo número y significado por ser una matriz cuadrada. La diagonal de esta matriz representa el número de píxeles de verificación donde se produce acuerdo entre las dos fuentes (mapa clasificado por el índice y mapa "verdad-terreno"), mientras que los marginales suponen errores de asignación. El interés de las tablas de confusión proviene de su capacidad para plasmar los conflictos entre categorías. De esta forma, se conoce la Habilidad global de la clasificación, y también la exactitud conseguida para cada una de las clases, así como los principales conflictos entre ambas.
Para elegir el índice con el que mejores resultados se obtiene en la discriminación de los usos de suelo se ha empleado la matriz de confusión. Para ello, se compara la clasificación llevada a cabo por cada índice, con la clasificación del mapa "verdad-terreno", obteniéndose el porcentaje de acierto en la clasificación. Se estimó la exactitud total ("Overall Accuracy", OA) de cada índice de vegetación y/o clasificación de uso de suelo obtenida en cada procesado de imagen mediante el desarrollo de su "matriz de confusión", cuyo desarrollo esquemático se indica a continuación.
La exactitud global es el porcentaje de píxeles clasificados por igual en ambos mapas; se considera el porcentaje de acierto total en la clasificación de un índice. Los residuales en filas indican los usos del suelo del mapa "verdad-terreno" que no se incluyeron en el mapa clasificado, mientras los residuales en columnas implican usos del suelo del mapa clasificado que no se ajustan al mapa "verdad -terreno"; en definitiva, representan los errores de omisión y comisión, respectivamente (Chuvieco, 2002). Más detalles se indican en la Tabla 1. Tabla 1. Matriz de confusión de la clasificación de los usos de suelo en el mapa "verdad-terreno" (MVT) y en el mapa resultante de la clasificación (MRC).
Figure imgf000009_0001
(a), (e), (i) número de píxeles de los usos del suelo USl, US2 y US3 que coinciden en el mapa verdad- terreno (MVT) y en el mapa resultante de la clasificación (MRC) para los usos del suelo USl, US2 y US3, respectivamente, (b) y (c), (d) y (f), y (g) y (h) son los número de píxeles clasificados como usos de suelo USl, US2 y US3 en MRC, respectivamente, y clasificados de otra forma en el MVT. La exactitud para cada uso de suelo es el porcentaje de píxeles del MRC también así clasificados en el MFT, e indica el grado de acierto en la clasificación de cada uso de suelo. La Fiabilidad para cada uso de suelo es el porcentaje de píxeles de cada uso de suelo del MFT clasificado como tal en el MRC, e indica la coincidencia con la realidad. El índice de exactitud global (IEG, Overall Accuracy= OA) es la media de los índices de exactitud de cada uso de suelo, esto es el número de píxeles correctamente asignado a cada uso de suelo globalmente e indica el grado de acierto global de cada índice de vegetación o procesos clasificatorio de la imagen. Los elementos de cada columna de la tabla indican aquellos usos de suelo clasificados de esta forma en el MRC que no concuerdan así en el MFT; de forma similar los elementos residuales de cada fila indican aquellos usos de suelo así clasificados en el MVT que no concuerdan así en el MRC 3.3. Teledetecciόn y clasificaciones de uso de suelo
Los trabajos sobre clasificación de los usos del suelo mediante imágenes satélite de resolución espacial media / baja o fotografías aéreas utilizando índices de vegetación se pueden considerar como clásicos en teledetección y se han llevado a cabo en áreas muy diversas: costeras, parques naturales, masas forestales, zonas agrícolas, entre otras muchas. Citando los trabajos más recientes, se han realizado estudios con objeto de detectar de forma sistemática las anomalías en el desarrollo de los cultivos de regadío en Aragón (López-Lozano y Casterad, 2003), con el fin de monitorizar el crecimiento de cultivos con datos biofísicos como altura de la planta, LAI y biomasa (Calera et al., 2001; 2002), o con el objetivo de estimar el efecto a largo plazo de los cambios en los usos de suelo sobre la evapotranspiración de los cultivos utilizando imágenes Landsat 5 TM y Landsat 7 ETM+ de 1982 a 2000 (Lanjeri et al., 2001; 2002) en la zona de Castilla- La Mancha. También se están obteniendo resultados en la teledetección de malas hierbas en cultivos con sensores aerotransportados multiespectrales (Goel et al., 2002).
El procedimiento descrito en esta patente tiene una serie e ventajas, entre las que destacan: 1) posibilidad de estudiar gran superficie de terreno utilizando sensores remotos a un precio competitivo, 2) discriminación de los usos de suelos de un área de alta productividad agronómica y en la que se puede considerar que está representada la gran mayoría de cultivos propios de muchas zonas de la agricultura mediterránea, y 3) posibilidad de estudiar olivo con cubiertas, que sería el objetivo prioritario, y comprobar la superficie ocupada por cualquier otro cultivo que exista en la zona.
3.4. Técnicas de agricultura de conservación: el caso del olivar
El cultivo del olivo es de suma importancia en la mayoría de países de la zona mediterránea (12.4 millones de ha. de los que 2.4 están en España; Civantos, 2001), pero está provocando cuantiosas pérdidas de suelo cultivable cada año. Para que este cultivo se mantenga en el futuro es necesario reducir las enormes tasas de erosión (una media de 40 a 80 ton/ha-año; Laguna, 1989; Pastor-Muñoz y Castro -Rodríguez, 1997). Para ello, se han desarrollado las técnicas de agricultura de conservación (también denominadas técnicas conservacionistas) que promueven el cultivo de cubiertas vegetales (principalmente gramíneas) entre las hileras y sobre el suelo desnudo del cultivo leñoso (frutales o cítricos y olivar) con objeto de frenar el impacto de las gotas de lluvia sobre el terreno y el arrastre de sedimentos (García-Torres, 2000).
Desde 1999, la Unión Europea ha desarrollado una serie de disposiciones para promover la conservación del suelo agrícola y reducir su erosión (Reglamentos Europeos 1257/1999, 1259/1999 y, recientemente el 1782/2003), y que han sido incorporadas a la Normativa Española por el Real Decreto 4, 2001. Previas a esta normativa, el Gobierno Andaluz desarrolló de forma pionera, una serie de Órdenes encaminadas a financiar ayudas a aquellos agricultores que apliquen estas técnicas conservacionistas, exigiendo que el mínimo porcentaje de cubierta vegetal en la finca de olivar sea del 40 % (BOJA, 1998; BOJA, 2003).
Determinar este porcentaje de cobertura directamente en campo ("ín situ") resulta prácticamente inviable desde un punto de vista técnico y económico. Sin embargo, las técnicas de teledetección son muy adecuadas por los siguientes motivos: 1) el sensor utilizado (satélite o fotografía aérea) registra lo que hay en campo (objetividad), 2) el procedimiento de análisis de la imagen obtenida es rápido una vez se ha puesto el método a punto, 3) permiten trabajar de forma secuencial, 4) evitan los muéstreos en campo (eluden problemas meteorológicos), y 5) posibilitan la planificación de la toma de imágenes en el momento oportuno y el retraso de su análisis el tiempo necesario, en caso de que fuese necesario, sin perder por ello información.
5.5. Uso de Cubiertas vegetales: breves fundamentos
Las cubiertas vegetales pueden ser de diferente composición, si bien principalmente están constituidas por especies de gramíneas u hoja ancha, bien de una sola especie o mezcla de varias. Entre las más utilizadas están la cebada: (Hordeum spp), distintas especies de Avena, vallico (Lolium rigidum), cruciferas (Sinapis spp), o leguninosas (Veza spp). Su objetivo es interceptar las gotas de agua de lluvia y aumentar la velocidad de infiltración del terreno (reduciendo la escorrentía). Asimismo, su presencia conlleva la inexistencia de labores en campo evitando así la evapotranspiración del agua del suelo. Las cubiertas se siembran a primeros de otoño entre las calles del cultivo, germinan con las primeras lluvias y se establecen durante la primavera (Figuras 1 a y 1 b). Posteriormente (la segunda quincena de marzo), con objeto de interrumpir su ciclo vegetativo y evitar competencia del olivo (u otro árbol frutal) por agua y nutrientes, se siegan mecánica (con desbrozadoras) o químicamente (con herbicidas de traslocación o acción total: sulfosato o glifosato; Figuras 1 c y 1 d).
La técnica que se describe a continuación está basada en procedimiento de análisis de imágenes de satélite que permiten: 1) discriminar olivar del resto de cultivos de la zona, las cubiertas vegetales y el suelo desnudo / suelo urbano, y 2) cuantificar el porcentaje de superficie que ocupan las cubiertas vegetales en una determinada finca.
4. DESCRIPCIÓN DE LA INVENCIÓN
4.1. Breve descripción de la invención El objeto de la presente invención es un procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales mediante teledetección con sensores de alta resolución espacial que comprende las siguientes etapas: a) obtención de una imagen A que es el resultado de aplicar índices de vegetación y filtros digitales a una imagen de satélite tomada en verano, permitiendo dicha imagen A la discriminación de árboles de olivo del resto de usos de suelo presentes en la imagen satélite b) obtención de una imagen B que es el resultado de aplicar índices de vegetación y filtros digitales a una imagen de satélite tomada en primavera, permitiendo dicha imagen B la discriminación de árboles y cubierta vegetal del suelo desnudo c) restar a la imagen B, la imagen A para obtener una imagen C que permite discriminar la cubierta vegetal del resto de usos de suelo, siendo éstos árboles de olivo y suelo desnudo, d) cuantificar la superficie ocupada por la cubierta vegetal discriminada previamente en la imagen C.
La imagen A del punto a) se obtiene como resultado de un proceso de análisis de una imagen de satélite multiespectral que comprende los siguientes pasos: a) toma de una imagen georreferenciada multiespectral en verano b) aplicación del índice IR/R (infrarrojo/rojo) y de un filtro de paso bajo a la imagen de a), permitiendo discriminar suelo urbano y suelo desnudo del resto de usos de suelo c) eliminación de los usos de suelo discriminados en b) d) aplicación del índice NDVI (infrarrojo-rojo/infrarrojo+rojo) y un filtro de mediana a la imagen obtenida en c) que permite discriminar cultivos de viña, herbáceos y hortícolas del resto de usos de suelo e) eliminación de los usos de suelo discriminados en d) en la imagen resultante f) aplicación del índice A/V (azul/verde) y un filtro de mediana, permitiendo discriminar rastrojo de trigo y olivar con y sin cubiertas vegetales g) aplicación del índice NDVI y un filtro de paso largo al olivar discriminado en f) lo que finalmente da lugar a la imagen A.
La imagen B se obtiene como resultado de un proceso de análisis de una imagen de satélite multiespectral que comprende los siguientes pasos: a) toma de una imagen georreferenciada multiespectral en primavera b) aplicación del índice NDVI y dos filtros de mediana consecutivos, permitiendo discriminar olivar, con y sin cubierta vegetal, del resto de los usos de suelo c) aplicación del índice NDVI y dos filtros de mediana consecutivos, permitiendo discriminar olivar con cubierta vegetal del olivar sin cubierta vegetal d) aplicación del índice NDVI a la imagen obtenida en c) que discrimina olivar con cubierta vegetal
En este procedimiento se utilizan imágenes de satélite georreferenciadas multiespectrales que pueden ser tomadas por sensores que presentan al menos las bandas azul, verde, rojo e infrarrojo, y con una resolución espacial alta. Preferentemente se utilizan las imágenes de los satélites IKONOS y QuickBird. La resolución espacial de los sensores es menor o igual a 4m.
Otro objeto de la patente es la utilización del presente procedimiento para discriminar y cuantificar el porcentaje de superficie ocupada por las cubiertas vegetales en olivar. Asimismo, y debido a que el procedimiento tiene distintos pasos bien diferenciados, se puede detener en cualquiera de los pasos intermedios descritos anteriormente en el caso de que interese estudiar alguno de los cultivos o usos de suelo que se discriminan en el mismo. 4.2. Breve descripción de las figuras
Figura 1. Imagen A: resultado de aplicar el índice NDVI* + filtro de paso largo sobre una de las parcelas de olivar discriminadas. En verde se representan los árboles de olivo presentes en la parcela y en rojo todo lo que no es olivo. (*NDVI= Infrarrojo -Rojo / Infrarrojo + Rojo).
Figura 2. Imagen B: resultado de aplicar el índice NDVI* sobre una de las parcelas de olivar con cubiertas vegetales. En verde se representan los árboles de olivo y las cubiertas vegetales presentes en la parcela. En rojo se representa en suelo desnudo. (*NDVI= Infrarrojo -Rojo / Infrarrojo + Rojo). Figura 3. Imagen C: resultado de sustraer de la imagen B, la imagen B (B-A). En rojo se representa el suelo desnudo, en verde los árboles de olivo y en azul la superficie ocupada por cubierta vegetal.
4.3. Descripción detallada de la invención En el procedimiento objeto de la presente patente pueden utilizarse imágenes de los satélites QuickBird e/o IKONOS, disponibles ya en el mercado, aunque también es posible utilizar imágenes de otros satélites o sensores remotos que se puedan poner en funcionamiento en lo sucesivo, siempre que tengan al menos las bandas Azul, Verde, Rojo e Infrarrojo y que posean una alta resolución espacial (< 4 m en multiespectral).
4.3.1. Separación sucesiva de los usos de suelo con imágenes multiespectrales de verano con objeto de discriminar parcelas de olivar con y sin cubiertas vegetales. Se parte de una imagen georreferenciada multiespectral (azul, verde, rojo e infrarrojo cercano) QuickBird tomada en julio, de 80 km2, de la zona en estudio. El procedimiento consistió en la discriminación de parcelas de olivar con y sin cubiertas vegetales del resto de los usos de suelo. Para ello se definieron los siguientes usos de suelo: olivar, viña, rastrojo de trigo, cultivos hortícolas y herbáceos, suelo desnudo y suelo urbano. Posteriormente, se establecieron 5 parcelas para los diferentes usos de suelo que se habían definido y a esta superficie se la denominó "verdad-terreno". Dichas parcelas se seleccionaron visualmente en un PC y posteriormente se verificaron los usos de suelo definidos anteriormente mediante visitas en campo y comprobación de coordenadas con GPS. A continuación se aplicaron una serie de índices de vegetación y filtros para diferenciar los usos de suelo descritos y separando éstos mediante el método de clasificación supervisada por separación de clases. Posteriormente, se evaluó su capacidad de discriminación en las parcelas "verdad-terreno" a través de la matriz de confusión.
El siguiente esquema presenta los pasos a seguir para discriminar parcelas de olivar con y sin cubiertas vegetales, y dentro de las parcelas de olivar, se describe también la metodología para discriminar los árboles de olivo en cada parcela. En la imagen final resultante, denominada imagen A, es posible por tanto discriminar los árboles de olivo, pero no suelo desnudo de cubierta vegetal. Esto se debe a que el índice aplicado distingue vegetación (que en este caso sería olivo) de no vegetación (que sería suelo desnudo y cubierta vegetal seca) ya que considerando que la imagen se tomó en verano (julio), la cubierta está desecada y no se discriminó suelo desnudo de cubierta seca. La imagen A obtenida en este esquema es de mucha utilidad para la cuantificación de superficie sembrada con cubierta como verá más adelante en el apartado 4.3.3.
Imagen Multiespectral QuickBird Verano
G
JjVR* H- filtro de paso bajo_
Discriminación de Suelo Urbano y Suelo Desnudo / Eliminación de éstos en Ia imagen resultante a
Cjj5yi** H- filtro de mediana.
Discriminación de Viña, Cultivos Herbáceos y Hortícolas/ Eliminación de éstos en Ia imagen resultante
H
A/y*** + filtro de mediana
Discriminación de Rastrojo de trigo Discriminación de Olivar con y sin cubiertas vegetales
U
NDvT** + filtro de paso largo
Imagen A) Discriminación de olivos (no discrimina cubierta vegetal de suelo desnudo)
*IR/R: Infrarrojo/Rojo
**NDvT: Infrarrojo-Rojo/ Inf rarrojo+Rojo
*** A/V: Azul/Verde 4.3.2. Separación sucesiva de los usos de suelo con imágenes multiespectrales de primavera con objeto de discriminar parcelas de olivar con y parcelas de olivar sin cubiertas vegetales
Se parte de una imagen georreferenciada multiespectral (azul, verde, rojo e infrarrojo cercano) QuickBird tomada en abril de la zona descrita anteriormente. Al igual que con la imagen de verano, el procedimiento consistió en la discriminación de olivar del resto de los usos de suelo definidos en el apartado anterior siguiendo también los pasos referentes a la clasificación y a las parcelas "verdad-terreno" y "matriz de confusión".
El esquema siguiente presenta los pasos a seguir para discriminar parcelas de olivar con y sin cubiertas vegetales del resto de los usos de suelo. En la imagen final resultante denominada Imagen B, es posible por tanto discriminar árboles de olivo y cubiertas vegetales de suelo desnudo. Esta imagen B junto con la imagen A obtenida en el apartado 4.3.1 son imprescindibles para cuantificar la superficie ocupada por cubiertas vegetales en las parcelas de olivar que, en definitiva, es el último objetivo de la metodología desarrollada en esta patente.
Imagen Multiespectral QuickBird Primavera a
NDVI*+ 2 filtros de mediana consecutivos
4
Discriminación de Olivar con y sin cubiertas vegetales
H
NDVI* + 2 filtros de mediana consecutivos
4
Discriminación de Olivar con cubiertas vegetales _|_ Discriminación de Olivar sin cubiertas vegetales
Figure imgf000018_0001
a
Imagen B) Discriminación de Olivos y cubiertas vegetales de suelo desnudo
"NDVI: Infrarrojo-Rojo/ Infrarrojo+Rojo
4.3.3. Cuantiflcaciόn de la superficie ocupada por cubiertas vegetales en las parcelas de olivar
Una vez discriminadas las fincas de olivar con cubierta vegetal del resto de los usos de suelo, el siguiente paso fue obtener una clasificación (método no supervisado) de usos de suelo {Imagen C) en la que se cuantifique en dichas fincas el porcentaje de superficie que ocupan cada uno de los tres usos de suelo definidos en las mismas: olivo, cubierta vegetal y suelo desnudo. Para ello fue necesaria la utilización de las dos imágenes Ay B obtenidas según los procedimientos descritos en los apartados 4.3.1 y 4.3.2.
Por tanto, para obtener la imagen C, que nos permite cuantificar la superficie ocupada por cubierta vegetal, fue necesario restar a la clasificación realizada con la imagen B, la clasificación obtenida con la imagen A. Este procedimiento es el que describe el siguiente esquema. superficie
Figure imgf000019_0001
5. EJEMPLO DE LA REALIZACIÓN DE LA INVENCIÓN
Para la realización de la invención hay que seguir expresamente los pasos detallados en los esquemas de los apartados 4.3.1, 4.3.2 y 4.3.3 de la presente memoria. En el caso de los esquemas anteriores, se ha especificado que la imagen era QuickBird, sin embargo el procedimiento que se describe puede utilizarse en las imágenes del satélite IKONOS, u otros que se puedan poner en funcionamiento en lo sucesivo, que tengan al menos las bandas Azul, Verde, Rojo e Infrarrojo y que posean una alta resolución espacial (< 4 m en multiespectral). Asimismo, y debido a que el procedimiento tiene diferentes pasos bien diferenciados, se puede detener en cualquiera de los pasos intermedios descritos anteriormente en el caso de que interese estudiar cualquiera de los cultivos o usos de suelo que se discriminan.
El procedimiento de la técnica de teledetección objeto de esta patente se ha aplicado en la zona de Montilla-Espejo (Córdoba) porque en las prospecciones terrestres realizadas se constató que reunía las siguientes características: 1) reúne la variedad de cultivos que es representativa de gran cantidad de comarcas de agricultura andaluza (mediterránea), y 2) hay fincas de olivar con cubiertas vegetales y sin ellas, lo que es imprescindible para la clasificación de los usos de suelo que se perseguía.
La orografía de la zona es bastante llana (altitud media de 379 m) y la agricultura está dominada casi a partes iguales por cultivos leñosos: olivar (con y sin cubiertas vegetales) y vid, herbáceos: trigo y girasol, y diversos hortícolas. La clasificación de usos de suelo se realizó con imágenes de satélite tomadas en verano y primavera (satélite QuickBird). En las imágenes de primavera las cubiertas vegetales de las fincas de olivar estaban verdes y en las imágenes de verano estaban desecadas. Para detallar un ejemplo de la invención hay que partir de una imagen tomada en verano. A partir de ahí se siguen los pasos descritos en el apartado 4.3.1. y que consisten en discriminar: 1) suelo urbano de suelo desnudo; 2) vid de cultivos herbáceos y hortícolas); 3) rastrojo de olivar con y sin cubiertas vegetales); y 4) una vez distinguidas las parcelas de olivar, se aplica un paso más (NDVI+filtro de paso largo) y finalmente se obtiene una imagen resultante, denominada imagen A (Figura 1) en la que es posible discriminar los árboles de olivo, pero no suelo desnudo de cubierta vegetal.
A continuación hay que partir de una imagen tomada en primavera de la misma zona de estudio). En dicha imagen hay que ir desarrollando la metodología descrita en el esquema del apartado 4.3.2. y que consiste en discriminar: 1) parcelas de olivar con y sin cubiertas vegetales del resto de los usos de suelo), y 2) olivar con cubiertas de olivar sin cubiertas). Finalmente se aplica otro índice NDVI y se obtiene una imagen resultante denominada Imagen B (Figura 2) en la que es posible discriminar árboles de olivo y las cubiertas vegetales del suelo desnudo.
Finalmente para cuantificar la superficie ocupada por cubiertas vegetales dentro de las parcelas de olivar, es necesario obtener la Imagen C (Figura 3). Para ello, se le resta a la imagen B que tiene discriminados los olivos y la cubierta conjuntamente (en La Figura 3 se representan en verde), la imagen A que tiene discriminados los olivos solamente (en la Figura 1 se representan en verde). Es decir: Imagen C = la Imagen B - Imagen A (esquema apartado 4.3.3.).
Bibliografía.
- BOJA n° 61. 1998. ORDEN de 14 de mayo de 1998, por la que se regulan las ayudas para fomentar en el olivar el empleo de métodos de producción compatible con las exigencias de protección del medio ambiente y la conservación del espacio natural. Junta de Andalucía, Disposiciones Generales, Consejería de
Agricultura y Pesca.
- BOJA n° 90. 2003. ORDEN de 5 de mayo de 2003, por la que se establecen las normas de aplicación del régimen de ayudas a la utilización de métodos de producción agraria compatibles con el medio ambiente. Junta de Andalucía, Disposiciones Generales, Consejería de Agricultura y Pesca.
- Civantos, D., 2001. La olivicultura en el mundo y en España. In: Barranco, D., Fernández-Escobar, R., Rallo, L. (Eds.). El cultivo del olivo. Mundi-Prensa, Madrid, pp. 19-33.
- Calera A., Martínez C. and Meliá J. 2001. A procedure for obtaining green plant cover: relation to NDVI in a case study for barley. Int. J. of Remote Sensing, 22:
3357-3362.
- Calera A., González-Piqueras J. and Meliá J. 2002. Remote sensing monitoring crop growth. In Proceedings of Recent Advances in Quantitative Semote Sensing, Valencia, pp 522-529. - Chuvieco, E. (2002) Teledetección Ambiental. Editorial Ariel, Madrid. 568 paginas.
- García-Torres, L., 2000. Agricultura de Conservación en el Olivar: Cubiertas Vegetales. Edita: Asociación Española Agricultura de Conservación/ Suelos Vivos, Córdoba, Spain, 36 p. - Goel P. K., S.O. Prasher, R. M. Patel, D. L. Smith, A. DiTommaso. 2002. Use of airborne multispectral imagery for weed detection in crops., Transactions of ASAE, 45: 443- 449.
- Laguna, A. 1989. Estudio cuantitativo de la erosión del suelo. Tesis Doctoral, Departamento de Agronomía, Universidad de Córdoba, España, pp. 189. - Lanjeri S., Meliá, J. and Segarra D. 2001. A multitemporal masking classification method for vineyard monitoring in central Spain. Intern. Journal of Remote Sensing, 22: 3167-3186. - Lanjeri S., Segarra D. Calera A and Meliá J. 2002. Study of the land use changes effects on the evapotranspiration in central Spain using remote sensing techniques. Proceedings of Recent Advances in Quantitative Semote Sensing, Valencia, pp 530-536. - López-Lozano R. and Casterad M. A. 2003. Una aplicación SIG para seguimiento en parcela mediante NDVI de irregularidades en el desarrollo del cultivo. Proceedings del X Congreso Nacional de Teledetección, Cáceres, pp 9-12.
- Pastor- Muñoz, M., y Castro- Rodríguez, J. 1997. Sistemas de manejo de suelo en el olivar, p. 289 - 308. In L. García- Torres & P. González- Fernández (editor): Agricultura de Conservación: Fundamentos Agronómicos, Medioambientales y
Económicos, AEAC/ SV, España, pp. 372.
- Real Decreto 4, 2001. Establecimiento de un régimen de ayudas a la utilización de métodos de producción agraria compatibles con el medio ambiente. Ministerio de Agricultura, Pesca y Alimentación, Madrid. BOE 12, 1587-1617. - Reglamento del Consejo Europeo 1257/ 1999. On support for rural development from the European Agricultural Guidance and Guarantee Fund (EAGGF) and amending and repealing certain Regulations. Official Journal of the European Union, Brussels, 160, 80-102 .
- Reglamento del Consejo Europeo 1259/ 1999. Establishing common rules for direct support schemes under the common agricultural policy. Official Journal of the European Union, Brussels, 160, 113-118.
- Reglamento del Consejo Europeo 1782/2003. Establishing common rules for direct support schemes under the common agricultural policy and establishing certain support schemes for farmers, and on the common organisation of the market in olive oil and table olives and amending Regulation (EEC) No 827/68.
Official Journal of the European Union, 270, 1-69.
- Sobrino, J.A. 2002. Teledetección. Universidad de Valencia, 467 pp.

Claims

6. REIVINDICACIONES
1- Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales mediante teledetección con sensores de alta resolución espacial que comprende las siguientes etapas:
a) obtención de una imagen A que es el resultado de aplicar índices de vegetación y filtros digitales a una imagen de satélite tomada en verano, permitiendo dicha imagen A la discriminación de árboles de olivo del resto de usos de suelo presentes en la imagen de satélite b) obtención de una imagen B que es el resultado de aplicar índices de vegetación y filtros digitales a una imagen de satélite tomada en primavera, permitiendo dicha imagen B la discriminación de árboles y cubierta vegetal del suelo desnudo c) restar a la imagen B, la imagen A para obtener una imagen C que permite discriminar la cubierta vegetal del resto de usos de suelo siendo éstos árboles de olivo y suelo desnudo d) cuantificar la superficie ocupada por la cubierta vegetal discriminada previamente en la imagen C.
2- Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales según la reivindicación 1 caracterizado porque los sensores de alta resolución espacial proporcionan imágenes de satélite multiespectrales
3- Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales según las reivindicaciones 1 y 2 caracterizado porque las imágenes de satélite multiespectrales pueden ser tomadas por cualquier sensor que presente al menos las bandas azul, verde, rojo e infrarrojo, y con una resolución espacial alta.
4- Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales según la reivindicación 3 caracterizado porque las imágenes son tomadas preferentemente por los satélites IKONOS y/o QuickBird 5- Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales según las reivindicaciones 1 - 3 caracterizado porque la resolución espacial es igual o menor de 4m
6- Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales según las reivindicaciones 1-5 caracterizado porque la imagen A se obtiene como resultado de un proceso de análisis de una imagen de satélite multiespectral que comprende los siguientes pasos: a) toma de una imagen georreferenciada multiespectral en verano b) aplicación del índice IR/R (infrarrojo/rojo) y de un filtro de paso bajo a la imagen de a), permitiendo discriminar suelo urbano y suelo desnudo del resto de usos de suelo c) eliminación de los usos de suelo discriminados en b) d) aplicación del índice NDVI (infrarrojo-rojo/infrarrojo+rojo) y un filtro de mediana a la imagen obtenida en c) que permite discriminar cultivos de viña, herbáceos y hortícolas del resto de usos de suelo e) eliminación de los usos de suelo discriminados en d) en la imagen resultante f) aplicación del índice A/V (azul/verde) y un filtro de mediana, permitiendo discriminar rastrojo de trigo y olivar con y sin cubiertas vegetales g) aplicación del índice NDVI y un filtro de paso largo al olivar discriminado en f) lo que da lugar finalmente a la imagen A
7- Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales según las reivindicaciones 1-5 caracterizado porque la imagen B se obtiene como resultado de un proceso de análisis de una imagen de satélite multiespectral que comprende los siguientes pasos: a) toma de una imagen georreferenciada multiespectral en primavera b) aplicación del índice NDVI y dos filtros de mediana consecutivos, permitiendo discriminar olivar, con y sin cubierta vegetal, del resto de usos de suelo c) aplicación del índice NDVI y dos filtros de mediana consecutivos, permitiendo discriminar olivar con cubierta vegetal del olivar sin cubierta vegetal d) aplicación del índice NDVI al olivar con cubierta vegetal discriminado en c) lo que da lugar finalmente a la imagen B
8- Utilización de un procedimiento según las reivindicaciones 1-7 para discriminar y cuantificar el porcentaje de superficie ocupada por las cubiertas vegetales en olivar.
9- Utilización de un procedimiento según las reivindicaciones 6 y 7 para discriminar y cuantificar cada uno de los usos de suelo discriminados en los distintos pasos descritos anteriormente.
10- Utilización de un procedimiento según las reivindicaciones 6 y 7 para discriminar y cuantificar los cultivos de viña, herbáceos, hortícolas, y olivar.
PCT/ES2005/070105 2004-07-26 2005-07-20 Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales mediante teledetección con sensores de alta resolución espacial Ceased WO2006024686A1 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ES200401840A ES2249159B1 (es) 2004-07-26 2004-07-26 Procedimiento para la discriminacion y cuantificacion de olivar con cubiertas vegetales mediante teledeteccion con sensores de alta resolucion espacial.
ESP200401840 2004-07-26

Publications (1)

Publication Number Publication Date
WO2006024686A1 true WO2006024686A1 (es) 2006-03-09

Family

ID=35999731

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/ES2005/070105 Ceased WO2006024686A1 (es) 2004-07-26 2005-07-20 Procedimiento para la discriminación y cuantificación de olivar con cubiertas vegetales mediante teledetección con sensores de alta resolución espacial

Country Status (2)

Country Link
ES (1) ES2249159B1 (es)
WO (1) WO2006024686A1 (es)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574394A (zh) * 2014-12-31 2015-04-29 北京航天宏图信息技术有限责任公司 遥感影像数据处理方法和装置
CN108180897A (zh) * 2018-01-06 2018-06-19 中国科学院、水利部成都山地灾害与环境研究所 坡耕地土壤水力侵蚀速率快速估算方法
CN108332719A (zh) * 2018-01-06 2018-07-27 中国科学院、水利部成都山地灾害与环境研究所 坡耕地土壤耕作侵蚀速率快速估算方法
CN114170441A (zh) * 2022-02-11 2022-03-11 中国测绘科学研究院 基于地理国情数据和影像分类的路旁树自动提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BOLETIN NO 42 SOCIEDAD ESPAÑOLA DE MALHERBOLGIA, February 2004 (2004-02-01), pages 10 - 11 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574394A (zh) * 2014-12-31 2015-04-29 北京航天宏图信息技术有限责任公司 遥感影像数据处理方法和装置
CN108180897A (zh) * 2018-01-06 2018-06-19 中国科学院、水利部成都山地灾害与环境研究所 坡耕地土壤水力侵蚀速率快速估算方法
CN108332719A (zh) * 2018-01-06 2018-07-27 中国科学院、水利部成都山地灾害与环境研究所 坡耕地土壤耕作侵蚀速率快速估算方法
CN114170441A (zh) * 2022-02-11 2022-03-11 中国测绘科学研究院 基于地理国情数据和影像分类的路旁树自动提取方法
CN114170441B (zh) * 2022-02-11 2022-05-10 中国测绘科学研究院 基于地理国情数据和影像分类的路旁树自动提取方法

Also Published As

Publication number Publication date
ES2249159B1 (es) 2007-05-01
ES2249159A1 (es) 2006-03-16

Similar Documents

Publication Publication Date Title
Al-Ali et al. A comparative study of remote sensing classification methods for monitoring and assessing desert vegetation using a UAV-based multispectral sensor
ES2311322B1 (es) Procedimiento para la discriminacion y mapeo de los rodales de malas hierbas gramineas en cultivos de cereales mediante teledeteccion.
Key et al. Landscape assessment (LA)
Redowan et al. Analysis of forest cover change at Khadimnagar National Park, Sylhet, Bangladesh, using Landsat TM and GIS data
Daliakopoulos et al. Tree crown detection on multispectral VHR satellite imagery
Jurišić et al. Current status and perspective of remote sensing application in crop management
Pôças et al. An evaluation of changes in a mountainous rural landscape of Northeast Portugal using remotely sensed data
Püssa Forest edges on medium resolution landsat thematic mapper satellite images
Manakos et al. Comparison between atmospheric correction modules on the basis of worldview-2 imagery and in situ spectroradiometric measurements
ES2245250B1 (es) Procedimiento para la discriminacion de usos de suelo y la cuantificacion de cubierta vegetal mediante teledeteccion con fotografia aerea.
Dos Reis et al. Exploring the potential of high-resolution planetscope imagery for pasture biomass estimation in an integrated crop–livestock system
ES2249159B1 (es) Procedimiento para la discriminacion y cuantificacion de olivar con cubiertas vegetales mediante teledeteccion con sensores de alta resolucion espacial.
ES2481348B1 (es) Procedimiento para la normalización automática de imágenes remotas multitemporales en base a usos de suelo pseudo-invariantes vegetales.
Yelwa Broadscale vegetation change assessment across Nigeria from coarse spatial and high temporal resolution AVHRR data
ES2303476B1 (es) Procedimiento para la obtencion automatica de indicadores agronomicos y ambientales de plantaciones de arboles mediante teledeteccion.
Anurogo et al. Image processing in remote sensing data for inventory-based estimation of forest primary production; an assessment support for region forest inventories
Wibowo et al. Spatial analysis of rice phenology using Sentinel 2 and UAV in Parakansalak, Sukabumi District, Indonesia
Slave Analysis of agricultural areas using satellite images
Almaazmi et al. Mapping Prosopis Juliflora Invasion Using Remote Sensing Data and GIS Geostatistics
da Silva Panta et al. Analysis of land cover and use through the soil-adjusted vegetation index (SAVI) in the context of environmental degradation in the municipality of Lajedo/Pernambuco, northeast, Brazil
Imam Mapping of landscape cover using remote sensing and GIS in Chandoli National Park, India
ES2318930B1 (es) Procedimiento para la discriminacion y mapeo de los rodales de nerdo en cultivos de girasol mediante teledeteccion.
SAPUTRA et al. MULTISPECTRAL IMAGING FOR RICE HEALTH IN FERTILE ALLUVIAL PLAIN OF SOUTHEASTERN FLANK MERAPI VOLCANO.
fernando Chavez Upscaling ground observations of vegetation water content, canopy height, and leaf area index during SMEX02 using aircraft and Landsat imagery
Lanne Monitoring indigenous tropical montane forests in the Taita Hills using airborne digital camera imagery

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KM KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NG NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SM SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LT LU LV MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
122 Ep: pct application non-entry in european phase